사회과학연구 척도의 종류 및 구분 방법

사회과학에서 사용하는 척도는 크게 명목(Nominal), 순서(Ordinal), 구간(Interval), 비율(Ratio) 척도로 나뉩니다. 

 

 

 

---

1. 명목척도 (Nominal Scale)

• 특징: 숫자나 값이 단순히 범주(Category) 를 나타낼 뿐, 크기나 순서가 없음.
• 연산 가능 여부: 덧셈, 뺄셈, 곱셈, 나눗셈 불가능 (단순한 구분만 가능)
• 예시:
  • 성별: 남(1), 여(2)
  • 혈액형: A형(1), B형(2), O형(3), AB형(4)
  • 거주 지역: 서울(1), 부산(2), 대구(3), 광주(4)
  • 종교: 기독교(1), 불교(2), 이슬람교(3), 무교(4)

🔹 주의할 점: 숫자가 할당되어 있어도 크거나 작다는 의미가 없음. 예를 들어 "서울(1) > 부산(2)"가 아니라, 그냥 다른 범주일 뿐.

---

2. 순서척도 (Ordinal Scale)

• 특징: 범주 간 서열(순서) 이 존재하지만, 간격(interval)은 일정하지 않음.
• 연산 가능 여부: 크기 비교 가능하지만, 덧셈·뺄셈·곱셈·나눗셈 불가능.
• 예시:
  • 설문조사 응답 (매우 불만족(1) → 불만족(2) → 보통(3) → 만족(4) → 매우 만족(5))
  • 학점 등급: A(1), B(2), C(3), D(4), F(5) (순서는 있으나 A와 B 사이의 간격이 B와 C 사이의 간격과 같다고 볼 수 없음)
  • 사회경제적 지위: 상류층(1), 중상류층(2), 중산층(3), 중하층(4), 하류층(5)

🔹 주의할 점: 예를 들어 "매우 만족(5) - 만족(4) = 1"이지만, "매우 만족이 만족보다 1만큼 더 크다"는 의미가 아님.

---

3. 구간척도 (Interval Scale)

• 특징: 값들 사이의 간격(interval)이 동일하지만, 절대적 영점(0)이 없음.
• 연산 가능 여부: 덧셈, 뺄셈 가능하지만, 곱셈과 나눗셈 불가능.
• 예시:
  • 온도(섭씨, 화씨): 30℃와 20℃의 차이(10℃)는 20℃와 10℃의 차이(10℃)와 같음. 그러나 "30℃는 15℃의 2배"라고 할 수 없음.
  • IQ 점수: IQ 140이 IQ 70의 정확히 두 배의 지능을 의미하는 것은 아님.
  • 학력 측정 (예: SAT 점수, GRE 점수 등): 600점과 500점의 차이(100점)가 500점과 400점의 차이(100점)와 같음. 하지만 "600점이 300점의 두 배"라고 할 수 없음.

🔹 주의할 점: 절대적인 0이 없으므로 "비율 비교"가 불가능. 예를 들어 "20℃는 10℃의 두 배 더 덥다"라고 할 수 없음.

---

4. 비율척도 (Ratio Scale)

• 특징: 절대적 0이 존재하며, 값들 사이의 간격도 동일함. 덧셈, 뺄셈, 곱셈, 나눗셈 모두 가능.
• 연산 가능 여부: 모든 사칙연산(+, -, ×, ÷) 가능.
• 예시:
  • 키(cm): 180cm는 90cm의 두 배.
  • 몸무게(kg): 60kg은 30kg의 두 배.
  • 소득(원): 200만원은 100만원의 두 배.
  • 연령(나이): 40세는 20세의 두 배.
  • 반응 시간(초): 2초는 4초의 절반.

🔹 비율척도의 특징 덕분에 평균, 표준편차, 비율 분석이 가능함.

---

✅ 정리: 척도별 주요 차이점

척도 종류특징연산 가능 여부예시

명목척도 (Nominal)	단순한 구분 (순서 없음)	✔️ 구분 가능 ❌ 크기 비교 불가 ❌ 연산 불가	성별, 혈액형, 거주지, 종교
순서척도 (Ordinal)	순서가 있지만 간격은 일정하지 않음	✔️ 순서 비교 가능 ❌ 덧셈·뺄셈·비율 불가	학점(A, B, C), 설문조사(만족도), 사회경제적 지위
구간척도 (Interval)	간격이 일정하지만 절대적 0이 없음	✔️ 덧셈·뺄셈 가능 ❌ 곱셈·나눗셈 불가	온도(℃, ℉), IQ 점수, SAT 점수
비율척도 (Ratio)	간격이 일정하고 절대적 0이 있음	✔️ 모든 사칙연산 가능 (덧셈, 뺄셈, 곱셈, 나눗셈)	키, 몸무게, 나이, 소득, 반응 시간

---

✅ 이 척도가 중요한 이유?

1. 통계 분석 방법 선택: 어떤 척도를 사용하느냐에 따라 적용할 수 있는 통계 방법이 달라짐.
   • 명목/순서척도 → 카이제곱 검정
   • 구간/비율척도 → 평균, 분산 분석, 회귀분석 등
2. 데이터 수집과 측정의 정밀성: 비율척도가 가장 정밀한 정보를 제공하지만, 모든 연구에서 사용할 수 있는 것은 아님.
3. 연산 가능 여부: 척도에 따라 평균, 비율 계산 등의 연산이 가능한지 결정됨.

---

🔹 마무리 사회과학에서는 주로 설문조사를 활용하는 경우가 많아 순서척도(만족도 조사) 나 구간척도(IQ, 학력 점수) 가 많이 사용됩니다. 그러나 정확한 데이터 분석을 위해서는 어떤 척도를 사용해야 하는지 명확히 이해하는 것이 중요합니다. 😊

 

 

 

 

척도는 고정적이지 않습니다.

나이의 경우 설문 문항을 어떻게 구성하느냐에 따라서 척도의 종류가 달라집니다.

나이를 " 10-19세, 20-29세, 30-39세" 이런 식으로 범주화하면, 이는 순서척도(Ordinal Scale) 입니다.

이유:

1. 순서가 존재 → 연령대(10대 < 20대 < 30대...) 간의 크기 비교 가능.
2. 간격이 일정하지 않음 → 1019세와 2029세 사이의 변화가 3039세와 4049세 사이의 변화와 같다고 단정할 수 없음.
3. 정확한 수치 정보가 없음 → 예를 들어, 15세와 18세는 다른 값이지만, 같은 "10~19세"로 묶여 동일한 값으로 처리됨.

---

비교: "나이(연령)"를 측정하는 방식에 따른 척도 구분

측정 방식척도 유형예시

정확한 나이(연령) 측정 (예: 25세, 30세)	비율척도 (Ratio Scale)	25세는 50세의 절반, 30세 - 20세 = 10년 (덧셈·뺄셈·비율 가능)
나이를 범주화 (예: "10-19세, 20-29세" )	순서척도 (Ordinal Scale)	순서는 있지만 평균 계산, 비율 연산 불가능
나이를 단순한 그룹으로 (예: 청소년, 성인, 노인)	명목척도 (Nominal Scale)	단순한 분류, 서열 없음

---

🔹 정리

• 개별적인 나이(정확한 수치) → 비율척도 (모든 연산 가능)
• 연령대를 범주로 나눔 → 순서척도 (순서 비교 가능, 평균 계산 불가능)
• "청소년, 성인" 같은 단순 구분 → 명목척도 (순서 비교 불가능)

즉, "10-19세, 20-29세" 이런 연령 구간은 순서척도(Ordinal Scale) 입니다. 😊